Windows.AI.MachineLearning Пространство имен

Важно!

Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.

Изменить

Позволяет приложениям загружать модели машинного обучения, привязывать признаки и оценивать результаты.

Классы

ImageFeatureDescriptor	Описывает свойства изображения, ожидаемого моделью.
ImageFeatureValue	Описывает свойства изображения, используемого для передачи в модель.
LearningModel	Представляет обученную модель машинного обучения.
LearningModelBinding	Используется для привязки значений к именованным функциям ввода и вывода.
LearningModelDevice	Устройство, используемое для оценки модели машинного обучения.
LearningModelEvaluationResult	Получение результатов оценки.
LearningModelSession	Используется для оценки моделей машинного обучения.
LearningModelSessionOptions	Описывает параметры вывода, используемые при создании объектов LearningModelSession .
MapFeatureDescriptor	Карта — это коллекция пар (ключ, значение).
SequenceFeatureDescriptor	Последовательность — это массив элементов.
TensorBoolean	Логический объект тензора.
TensorDouble	64-разрядный тензор с плавающей запятой.
TensorFeatureDescriptor	Тензоры — это многомерные массивы значений.
TensorFloat	32-разрядный тензор с плавающей точкой.
TensorFloat16Bit	16-разрядный тензор с плавающей точкой.
TensorInt16Bit	16-разрядный целочисленный тензорный объект со знаком.
TensorInt32Bit	32-разрядный целочисленный тензорный объект со знаком.
TensorInt64Bit	64-разрядный целочисленный тензорный объект со знаком.
TensorInt8Bit	8-разрядный тензорный объект со знаком.
TensorString	Объект строкового тензора.
TensorUInt16Bit	16-разрядный целочисленный тензорный объект без знака.
TensorUInt32Bit	32-разрядный целочисленный тензорный объект без знака.
TensorUInt64Bit	64-разрядный целочисленный тензорный объект без знака.
TensorUInt8Bit	8-разрядный целочисленный тензорный объект без знака.

Интерфейсы

ILearningModelFeatureDescriptor	Описание общих свойств, имеющихся у всех компонентов.
ILearningModelFeatureValue	Значение экземпляра для компонента.
ILearningModelOperatorProvider	Описывает операторы для модели обучения.
ITensor	Тензоры являются многомерными значениями.

Перечисления

LearningModelDeviceKind	Определяет список типов устройств, которые могут оценивать модель машинного обучения.
LearningModelFeatureKind	Типы входных и выходных функций для модели машинного обучения.
LearningModelPixelRange	Определяет список номинального диапазона пикселей изображений, предоставляемых Windows ML. Правильное значение указывается в метаданных модели машинного обучения.
TensorKind	Определяет список поддерживаемых типов данных тензоров.

Примеры

В следующем примере выполняется загрузка модели, создание сеанса оценки, получение входных и выходных признаков модели, привязка этих признаков и оценка.

private async Task LoadAndEvaluateModelAsync(VideoFrame _inputFrame, string _modelFileName)
{
    LearningModel _model;
    ImageFeatureDescriptor _inputImageDescription;
    TensorFeatureDescriptor _outputImageDescription;
    LearningModelBinding _binding = null;
    VideoFrame _outputFrame = null;
    LearningModelSession _session;

    try
    {
        // Load and create the model
        var modelFile = 
            await StorageFile.GetFileFromApplicationUriAsync(new Uri($"ms-appx:///Assets/{_modelFileName}"));
        _model = await LearningModel.LoadFromStorageFileAsync(modelFile);

        // Create the evaluation session with the model
        _session = new LearningModelSession(_model);

        //Get input and output features of the model
        List<ILearningModelFeatureDescriptor> inputFeatures = _model.InputFeatures.ToList();
        List<ILearningModelFeatureDescriptor> outputFeatures = _model.OutputFeatures.ToList();

        // Retrieve the first input feature which is an image
        _inputImageDescription =
                inputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Image)
                as ImageFeatureDescriptor;

        // Retrieve the first output feature which is a tensor
        _outputImageDescription =
                        outputFeatures.FirstOrDefault(feature => feature.Kind == LearningModelFeatureKind.Tensor)
                        as TensorFeatureDescriptor;

        //Create output frame based on expected image width and height
        _outputFrame = new VideoFrame(
            BitmapPixelFormat.Bgra8, 
            (int)_inputImageDescription.Width, 
            (int)_inputImageDescription.Height);

        //Create binding and then bind input/output features
        _binding = new LearningModelBinding(_session);

        _binding.Bind(_inputImageDescription.Name, _inputFrame);
        _binding.Bind(_outputImageDescription.Name, _outputFrame);

        //Evaluate and get the results
        var results = await _session.EvaluateAsync(_binding, "test");
    }
    catch (Exception ex)
    {
        StatusBlock.Text = $"error: {ex.Message}";
        _model = null;
    }
}

См. также раздел

Обратная связь

Были ли сведения на этой странице полезными?

Поделиться через